Physical Address
304 North Cardinal St.
Dorchester Center, MA 02124
OpenAI ha aperto il 10 settembre 2026 la Agents API in beta pubblica: gli sviluppatori possono creare agenti cloud che lavorano per ore, eseguono codice, processano file e delegano compiti a sub-agenti. La novità non è un modello, ma l'infrastruttura: lo stesso harness che alimenta Codex e ChatGPT diventa un prodotto, mentre l'ambiente di esecuzione resta una scelta del cliente. Il conto si paga solo in token.
Un agente in produzione con una sola chiamata API
Basta una chiamata per creare un agente. Lo sviluppatore specifica task, modello, tool e ambiente; OpenAI costruisce la sessione sul proprio harness gestito. Nell'esempio pubblicato dall'azienda, un agente basato su gpt-6-astra riceve l'incarico di indagare su un tasso di errori 5xx elevato, delegare a sub-agenti le analisi di deployment, errori e dipendenze, e salvare evidenze e contromisure in una cartella di output.
I tool ammessi coprono tre famiglie: MCP, funzioni personalizzate e strumenti integrati come la ricerca web. Il multi-agente si attiva con un parametro, max_concurrent_subagents: ogni sub-agente mantiene un contesto separato e resta concentrato sul proprio compito, mentre l'agente principale coordina e ricompone i risultati. Per le sessioni lunghe l'API compatta da sola il contesto che si avvicina al limite, senza logica aggiuntiva lato sviluppatore. E il tool search carica le definizioni degli strumenti solo quando servono, tenendo giù token e costi.
Harness di OpenAI, sandbox a scelta
OpenAI ospita e mantiene l'harness; il cliente decide dove far girare l'agente. Le opzioni sono tre: sandbox gestito da OpenAI, infrastruttura propria, oppure uno dei partner di sandboxing. L'elenco comprende Blaxel, Cloudflare, Daytona, DigitalOcean, E2B, Modal, Oracle, Runloop e Vercel, con differenze su archiviazione di file e segreti, configurazioni CPU, GPU e memoria, e profili di costo e cold-start.
Il sandbox gestito da OpenAI riusa la stessa infrastruttura di sandboxing di Codex e ChatGPT. Sul prezzo la posizione è netta: nessun costo aggiuntivo per l'uso della API, solo il pagamento dei token e dei tool consumati dagli agenti. L'harness è open source e versionato, così che ogni nuovo modello arrivi con l'orchestrazione già aggiornata.
I numeri dei primi clienti: +19,7% e -86% risposte fallite
I risultati riportati dai primi utilizzatori sono il dato più concreto della beta. Ciridae ha visto il punteggio di valutazione passare da 0,71 a 0,85: lo scarto di 0,14 sul valore di partenza equivale, con il calcolo dichiarato, a un miglioramento del 19,7%. «Previously it was pretty cumbersome to observe and orchestrate subagents in our old setup but the new APIs gave us a 4x latency reduction», dice il CTO Jack Weissenberger.
SafetyKit, che ha migrato il flusso di revisione dei casi, riporta una riduzione del 60% del costo per pratica, con latenza più bassa e maggiore efficienza nell'uso dei token a parità di performance. Hypha, attiva nei servizi finanziari, ha separato l'harness dell'agente dal sandbox: «By separating the agent harness from the sandbox, we reduced failed agent responses by 86%», spiega il lead engineer Serhii Shchoholiev. In logistica, Nash.ai gestisce migliaia di agenti che seguono centinaia di milioni di consegne su reti globali, secondo il co-fondatore e CTO Aziz Alghunaim.
Durata degli agenti: The Decoder dice ore, OpenAI dice giorni
Sulla durata delle sessioni le due fonti divergono. The Decoder descrive agenti cloud che girano «for hours», mentre la pagina di prodotto OpenAI parla di infrastruttura che li mantiene operativi «reliably for days». Non è una contraddizione sui numeri, ma una differenza di orizzonte: la copertura giornalistica si ferma alle ore, il materiale ufficiale spinge il riferimento ai giorni. Resta il fatto che l'API nasce per sessioni che superano ampiamente la singola finestra di contesto.
Cosa cambia per chi costruisce agenti
Il -86% di risposte fallite riportato da Hypha non arriva da un modello nuovo: arriva dalla separazione tra harness e sandbox, che è esattamente l'architettura imposta dalla API, dove OpenAI gestisce l'harness e il cliente sceglie dove gira il codice. Letti insieme, i dati dei clienti indicano che il costo di un agente non dipende più da quanto a lungo resta acceso, ma da quanto contesto e quanti tool consuma. Compaction automatica e tool search intervengono proprio su quelle due voci.
Per un team che valuta se costruire in casa, la lista di ciò che non va più scritto è lunga: manutenzione dell'harness, gestione del contesto, chiamate parallele ai tool, orchestrazione dei sub-agenti. WithCoverage racconta di essere passata dalle catene di prompt e dalla gestione manuale delle chiamate ai tool all'uso diretto degli agenti nel codice.
Se il modello di prezzo resta quello dei token, la voce che pesa non è più il tempo di esecuzione.
Fonti
